Introduction
I. Données
II. Plan d’analyse
III. Exploration
IV. Conclusion
V. Annexe
Nous avons choisi d’utiliser le jeu de données “World Population Prospects”, mis à disposition par l’Organisation des Nations Unies via leur site officiel : https://population.un.org/wpp
Ce dataset est mis à jour tous les 2 ans environ, la version utilisée sera la dernière, celle de 2024. Plus précisément, ces documents sont édités et publiés par le DAES (DESA en anglais), le Département des Affaires Économiques et Sociales qui est un “secrétariat” (un organisme principal) de l’ONU qui produit et analyse des datasets afin de produire des rapports et aide les pays à prendre des décisions et à avoir des agendas de politiques au fait des enjeux sociétaux et économiques. Les rapports publics portent par exemple sur l’avancement des droits des femmes, de la jeunesse, des autochtones, mais aussi sur l’état et les objectifs futurs des forêts, des énergies renouvelables, de l’économie et donc aussi de la démographie.
Ces données contiennent des projections démographiques standardisées pour l’ensemble des pays du monde, couvrant la période de 1950 à 2100. Les données de 1950 à 2023 sont des données issues de recensement de 238 pays/régions non-autonomes. Ce dataset constitue donc une source fiable, riche, et particulièrement pertinente dans un contexte de réflexion sur l’évolution des sociétés.
Notre dataset est constitué de 15 fichiers CSV thématiques couvrant l’évolution démographique mondiale sous différentes facettes : population totale, fécondité, mortalité, migration, et bien d’autres. Il propose une exploration à travers quatre niveaux de granularité spatiale : mondial, régional, national, et urbain/rural. Les données sont également regroupées par tranches d’âge quinquennales, permettant une analyse fine de l’évolution au fil du temps.
De plus, trois scénarios prospectifs (bas, moyen, haut) ont été
élaborés selon les politiques natalistes des États, projetant ainsi
plusieurs futurs possibles pour l’humanité.
Ce vaste ensemble contient 84 360 observations
réparties sur 42 variables, offrant une base solide
pour comprendre les dynamiques démographiques passées, présentes et
futures.
Chaque localisation est identifiée de manière unique, facilitant l’agrégation, la comparaison et l’interprétation des différentes séries temporelles disponibles.
| Colonne | Format | Type de données | Description |
|---|---|---|---|
| SortOrder | int | Discrète | Ordre des lignes |
| LocID | int | Discrète | Identifiant unique de la localisation |
| Notes | string (nullable) | Nominale | Informations additionnelles |
| ISO3_code | string (nullable) | Nominale | Code pays en 2 lettres selon la norme ISO 3166-1 alpha-3 |
| ISO2_code | string (nullable) | Nominale | Code pays en 2 lettres selon la norme ISO 3166-1 alpha-2 |
| SDMX_code | string (nullable) | Nominale | Code SDMX pour la localisation |
| LocTypeID | int | Discrète | Type de la localisation |
| LocTypeName | string | Nominale | Nom du type de localisation |
| ParentID | int (nullable) | Discrète | Identifiant du parent (si la localisation fait partie d’une région) |
| Location | string | Nominale | Nom de la région/localisation |
| VarID | int | Discrète | Identifiant de la variable |
| Variant | string | Nominale | Type de scénario démographique (ex. Medium) |
| Time | int | Ordinale | Année |
| TPopulation1Jan | float | Continue | Population totale au 1er janvier |
| TPopulation1July | float | Continue | Population totale au 1er juillet |
| TPopulationMale1July | float | Continue | Population masculine au 1er juillet |
| TPopulationFemale1July | float | Continue | Population féminine au 1er juillet |
| PopDensity | float | Continue | Densité de population (habitants/km²) |
| PopSexRatio | float | Continue | Ratio hommes/femmes |
| MedianAgePop | float | Continue | Âge médian de la population |
| NatChange | float | Continue | Changement naturel de la population |
| NatChangeRT | float | Continue | Taux de changement naturel |
| PopChange | float | Continue | Changement total de la population |
| PopGrowthRate | float | Continue | Taux de croissance démographique |
| DoublingTime | float | Continue | Temps de doublement de la population |
| Births | float | Continue | Nombre total de naissances |
| Births1519 | float | Continue | Naissances chez les 15-19 ans |
| CBR | float | Continue | Taux brut de natalité (pour 1000 habitants) |
| TFR | float | Continue | Taux de fécondité total (nombre moyen d’enfants par femme) |
| NRR | float | Continue | Taux net de reproduction |
| MAC | float | Continue | Âge moyen de la maternité |
| SRB | float | Continue | Ratio de masculinité à la naissance (nombre de garçons pour 100 filles) |
| Deaths | float | Continue | Nombre total de décès |
| DeathsMale | float | Continue | Nombre de décès masculins |
| DeathsFemale | float | Continue | Nombre de décès féminins |
| CDR | float | Continue | Taux brut de mortalité (pour 1000 habitants) |
| LEx | float | Continue | Espérance de vie à la naissance |
| LExMale | float | Continue | Espérance de vie des hommes |
| LExFemale | float | Continue | Espérance de vie des femmes |
| LE15 | float | Continue | Espérance de vie à 15 ans |
| LE15Male | float | Continue | Espérance de vie des hommes à 15 ans |
| LE15Female | float | Continue | Espérance de vie des femmes à 15 ans |
| LE65 | float | Continue | Espérance de vie à 65 ans |
| LE65Male | float | Continue | Espérance de vie des hommes à 65 ans |
| LE65Female | float | Continue | Espérance de vie des femmes à 65 ans |
| LE80 | float | Continue | Espérance de vie à 80 ans |
| LE80Male | float | Continue | Espérance de vie des hommes à 80 ans |
| LE80Female | float | Continue | Espérance de vie des femmes à 80 ans |
| InfantDeaths | float | Continue | Nombre de décès infantiles |
| IMR | float | Continue | Taux de mortalité infantile (pour 1000 naissances vivantes) |
| LBsurvivingAge1 | float | Continue | Nombre d’enfants survivant jusqu’à 1 an |
| Under5Deaths | float | Continue | Nombre de décès avant 5 ans |
| Q5 | float | Continue | Probabilité de mourir avant 5 ans |
| Q0040, Q0040Male, Q0040Female | float | Continue | Probabilité de mourir entre 0 et 40 ans (total, hommes, femmes) |
| Q0060, Q0060Male, Q0060Female | float | Continue | Probabilité de mourir entre 0 et 60 ans (total, hommes, femmes) |
| Q1550, Q1550Male, Q1550Female | float | Continue | Probabilité de mourir entre 15 et 50 ans (total, hommes, femmes) |
| Q1560, Q1560Male, Q1560Female | float | Continue | Probabilité de mourir entre 15 et 60 ans (total, hommes, femmes) |
| NetMigrations | float | Continue | Migration nette (immigrants - émigrants) |
| CNMR | float | Continue | Taux net de migration (pour 1000 habitants) |
Ce jeu de données permet d’étudier en profondeur les dynamiques démographiques mondiales, passées et futures. Notre objectif principal est d’en extraire des tendances visuelles à l’échelle globale, régionale et nationale, et de les mettre en relation avec des enjeux actuels (vieillissement, natalité…).
L’objectif de cette partie sera principalement d’observer les trajectoires démographiques historiques (1950-2023) et projetées (2024-2100) à travers les trois scénarios SSP. Il s’agira à la fois de visualiser par région l’évolution démographique mais aussi de visualiser les 3 scénarios du futur démographique (SSP1, SSP2, SSP3). On se servira de line charts multiples pour chercher des croissances et décroissances.
L’un des piliers de la démographie est la natalité. Nous chercherons à comprendre comment elle a évolué au cours des 70 dernières années en analysant le Total Fertility Rate (TFR). Nous examinerons également la corrélation entre la mortalité infantile et la fécondité, en croisant ces données avec celles des grossesses adolescentes.
Nous chercherons à comprendre à quel moment une population entre dans une phase de dividende démographique, lorsque la part de la population en âge de travailler (15–64 ans) dépasse largement celle des jeunes (0–14 ans) et des personnes âgées (65+). L’analyse portera sur l’évolution de la structure par âge au cours du temps, afin d’identifier les pays qui bénéficient ou bénéficieront d’une fenêtre démographique favorable à la croissance et au développement.
Dans cette partie, nous allons nous intéresser à la question suivante : Quels sont les 10 pays ayant connu les plus fortes croissances et décroissances démographiques entre 1950 et 2023 ?
Pour y répondre, nous avons tout d’abord chargé et nettoyé les données issues du fichier Dem_1950-2023.xlsx, qui regroupe les estimations de population par pays et par année. Nous avons principalement utilisé trois variables : le nom du pays (Country), l’année d’estimation (Year, de 1950 à 2023) et la population totale au 1er janvier (Population, en milliers d’habitants). Après avoir filtré pour ne garder que les vrais pays, nous avons extrait la population de 1950 et celle de 2023 pour chacun d’eux. Cela nous a permis de calculer le changement absolu (différence brute) ainsi que le changement relatif (en pourcentage) de la population sur cette période.
Plutôt que de nous limiter à un calcul absolu de l’augmentation de population qui aurait favorisé mécaniquement les pays les plus peuplés nous avons choisi d’analyser la croissance relative. Cette approche nous permet de mieux saisir l’intensité des transformations démographiques, indépendamment de la taille initiale des pays.
En observant les deux graphiques, on peut dire qu’ils répondent bien à la question posée : analyser les pays ayant connu la plus forte croissance et décroissance démographique relative entre 1950 et 2023. Le premier graphique, avec une échelle horizontale sur le changement en pourcentage, montre que des pays comme les Émirats Arabes Unis (+14 000%) et le Qatar, dont la forte augmentation démographique peut être attribuée à des facteurs économiques tels que l’exploitation des ressources pétrolières, attirant ainsi une immigration massive. À l’inverse, le graphique de décroissance met en évidence des pays comme Montserrat (-66%) ou Niue (-59%), où la diminution de population semble être liée à des catastrophes naturelles ou une émigration importante. Cependant, ces graphiques soulèvent également de nouvelles questions. Par exemple, l’exemple de l’Ukraine, avec une croissance très modérée, pointe les effets des conflits géopolitiques sur les dynamiques démographiques
Enfin, ces graphiques invitent à une réflexion sur l’évolution temporelle des populations. En étudiant plus en profondeur les changements démographiques sur plusieurs décennies, on pourrait comprendre précisément à quel moment ces transformations ont eu lieu, en fonction des événements mondiaux ou locaux.
En observant les graphiques en lignes des pays à forte croissance, on remarque que le Qatar et les Émirats Arabes Unis (UAE) ont vu leur population exploser après les années 1970. Cela pourrait être lié à l’exploitation des ressources pétrolières, attirant une main-d’œuvre étrangère.
Concernant la décroissance démographique, l’Ukraine présente une tendance intéressante : après une légère croissance jusqu’en 1994, le déclin démographique s’est intensifié après 1991, potentiellement en raison de l’effondrement soviétique et de la crise économique qui en a résulté. La guerre récente pourrait expliquer l’accélération de cette décroissance à partir de 2021, avec des migrations forcées et une forte perte de population.La Lettonie, aussi issue de l’ex-URSS, montre une décroissance similaire après 1991
En conclusion, ces graphiques répondent bien à la question posée et permettent d’observer les évolutions démographiques mondiales entre 1950 et 2023. Ils mettent en lumière des pays ayant connu une croissance ou une décroissance démographique significative. Si l’on s’attendait à voir davantage de pays africains parmi les résultats, cela pourrait être dû à la période choisie. Une analyse sur des périodes plus récentes pourrait révéler des tendances démographiques plus marquées en Afrique.
Dans le cadre de cette étude, une analyse comparative a été faite sur le logiciel Tableau sur les évolutions démographiques de deux groupes de pays très contrastés : les pays baltes – Estonie, Lettonie et Lituanie – et le Liberia , situé en Afrique de l’Ouest. Les dynamiques démographiques varient fortement selon les régions du monde. Certains pays connaissent une baisse continue de leur population , souvent liée au vieillissement ou à l’émigration, tandis que d’autres affichent une croissance soutenue , portée par une jeunesse démographique et un taux de fécondité élevé. À travers cette étude comparative, il s’agit d’explorer ces différences profondes entre deux groupes géographiques aux réalités contrastées.
Pour répondre à cette question, plusieurs visualisations ont été construites sur un dashboard sous Tableau :
Sur le premier graphe est présent la France, un pays qui a connu une croissance linéaire (négative à l’image des autres pays occidentaux) sans accoup/chute notable à titre d’exemple. Depuis les années 1990, les trois pays baltes montrent une tendance commune : une baisse de leur population dont une chute brutale lors de la chute de l’URSS. Ce taux négatif l’est resté jusqu’à l’avant-dernière année du dataset (2022). Cette évolution s’explique par plusieurs facteurs. Globaux premièrement : - Une faible natalité , notamment due à l’émancipation féminine et à l’accès limité à des politiques familiales fortes ; - Un vieillissement rapide de la population , accentué par une espérance de vie relativement élevée mais sans compensation suffisante en termes de naissances Mais aussi des particularités unique à ces pays : - Une émigration importante, particulièrement vers la Russie lors de la chute et vers l’Union européenne après l’élargissement de 2004 ; - Une immigration forte en 2023, que l’on peut supposer russe et en moindre partie ukrainienne dû au début du conflit Ukraino-russe, qui pourrait expliquer une légère reprise temporaire
Ces variations importantes ne reflètent pas nécessairement des mouvements naturels de natalité/mortalité, mais plutôt des facteurs socio-politiques majeurs.
À l’inverse, le Liberia affiche une croissance démographique élevée, souvent supérieure à 2 % par an. Cependant la moyenne cache un pic notable en 1990. En valeur absolue, ce pic représente une baisse de 500 000 habitants , soit environ 20 % de la population totale en 1989 (estimée à 2,5 millions). Sur Tableau, cette baisse apparaît même plus importante (environ 30 %), ce qui soulève une question légitime : pourquoi ? La cause de cette chute de population est la Première guerre civile (1989-1990 principalement). Cette guerre (comme toutes les autres guerres, d’autant plus guerre civile) a eu plusieurs conséquences démographiques : Des pertes humaines directes dues aux combats ; Une augmentation de la mortalité infantile et maternelle ; Une déstabilisation administrative , empêchant un recensement précis des naissances ; Une émigration massive de la population civile vers les pays voisins ; Une diminution des naissances volontaires pendant la période de conflit ; Ces éléments expliquent à la fois la chute abrupte de la population et le rebond rapide l’année suivante , lorsque la situation s’est stabilisée.
Cette étude comparative entre les pays baltes et le Liberia montre l’extrême hétérogénéité des trajectoires démographiques mondiales en proie à des défis venus de l’intérieur et de l’extérieur. Les outils de visualisation sous Tableau ont permis de voir ces différences de manière intuitive, grâce à une carte interactive et à un graphique linéaire comparatif.
Nous formulons l’hypothèse que le taux de mortalité infantile en 2023
est fortement corrélé au niveau de développement économique et sanitaire
des pays.
Les pays en développement, notamment d’Afrique subsaharienne, devraient
présenter des taux élevés en raison d’un accès limité aux soins
médicaux, à la vaccination, et à une nutrition adéquate.
À l’inverse, les pays développés devraient afficher des taux très
faibles, bénéficiant d’infrastructures de santé performantes, d’une
meilleure hygiène de vie et d’une politique de prévention
efficace.
Nous nous attendons ainsi à observer un écart important entre les pays
les plus riches et les pays les plus pauvres.
Afin de répondre à cette question, nous avons réalisé le graphique suivant à partir du jeu de données WPP 2024.
Le graphique met en évidence des écarts très marqués entre les pays en
termes de mortalité infantile moyenne sur la période 2000-2023.
On observe que les pays présentant les taux les plus élevés sont
principalement situés en Afrique subsaharienne, comme la Sierra Leone,
le Nigéria ou le Tchad.
Ces taux élevés traduisent des défis persistants en matière d’accès aux
soins prénatals, de couverture vaccinale, de nutrition infantile et
d’infrastructures hospitalières.
À l’inverse, les pays affichant les taux les plus faibles, tels que
l’Islande, Singapour ou Hong Kong, disposent de systèmes de santé
robustes, d’un suivi médical généralisé dès la naissance, ainsi que
d’importants programmes de prévention et d’éducation sanitaire.
Cet écart très marqué entre pays en développement et pays développés
confirme notre hypothèse de départ : le niveau de développement
économique, sanitaire et éducatif est un déterminant majeur du taux de
mortalité infantile.
Ces résultats soulignent aussi l’importance des politiques publiques de
santé dans la réduction des inégalités sanitaires à l’échelle
mondiale.
Nous formulons l’hypothèse que la distribution de la population
mondiale en 2023 est fortement concentrée dans quelques grands pays à
forte démographie.
Des pays comme la Chine, l’Inde, les États-Unis ou l’Indonésie devraient
figurer parmi les principaux contributeurs à la population mondiale en
raison de leur immense taille démographique historique et de leur
dynamique de croissance soutenue.
Nous nous attendons donc à observer une forte concentration de la
population mondiale dans un nombre relativement restreint de pays.
Afin de répondre à cette question, nous avons réalisé le graphique suivant à partir du jeu de données WPP 2024 (World Population Prospects), en se concentrant sur l’année 2023.
Le graphique obtenu montre que la population mondiale est effectivement très concentrée dans quelques grands pays. On observe que l’Inde et la Chine dominent largement, représentant à eux seuls une part considérable de la population mondiale, suivis par des pays comme les États-Unis, l’Indonésie, le Pakistan ou encore le Nigeria.
Cette forte concentration est le reflet de tendances historiques : natalité élevée dans certaines régions, urbanisation massive, dynamiques économiques diverses, et transitions démographiques différenciées selon les pays.
Nous faisons l’hypothèse que les pays à plus forte croissance
démographique d’ici 2100 seront majoritairement situés en
Afrique subsaharienne, du fait d’un taux de
fécondité élevé, d’une population jeune, et
d’un début de transition démographique plus
récent.
Ces pays bénéficient en effet d’une dynamique de croissance
naturelle importante, combinée à une amélioration
progressive des conditions de vie (santé, éducation,
urbanisation).
Afin de répondre à cette question, nous avons utilisé les
projections issues du scénario moyen du rapport
World Population Prospects 2024 publié par l’ONU.
Ce scénario prend en compte une hypothèse modérée de baisse de
la fécondité et de l’augmentation de l’espérance de
vie.
Le premier graphique ci-dessous présente les 10 pays qui connaîtront la plus forte augmentation de population en valeur absolue entre 2023 et 2100 (en millions d’habitants) :
On observe que les projections confirment largement notre
hypothèse :
7 des 10 pays affichant la plus forte croissance démographique sont
africains, avec la République Démocratique du
Congo en tête (+325 millions d’habitants),
suivie par le Pakistan (+264 M) et le
Nigeria (+249 M).
Ce classement illustre l’importance des transitions
démographiques différées dans ces régions, ainsi que le
potentiel de croissance massive qu’elles
représentent.
Cette croissance rapide soulève des enjeux majeurs :
sécurité alimentaire, urbanisation, emploi, accès à l’éducation
et aux soins…
Les États devront mettre en place des politiques
ambitieuses pour accompagner cette évolution, tout en tirant
parti de l’opportunité représentée par une population
jeune.
Pour affiner cette lecture, le graphique suivant représente l’évolution de la population des 3 pays en tête du classement, entre 2023 et 2100. Il permet de mieux percevoir les écarts de trajectoires, au-delà des seules valeurs finales :
La République Démocratique du Congo se distingue par
une croissance continue et particulièrement rapide tout
au long du siècle, dépassant largement les 300 millions
d’habitants en 2100.
À l’inverse, le Pakistan et le Nigeria
présentent des dynamiques plus modérées, avec un
certain ralentissement attendu à partir de 2080.
Ce graphique confirme donc non seulement l’ampleur des croissances prévues, mais aussi la diversité des trajectoires, reflet des différences en termes de politiques publiques, de développement économique, de transition sanitaire, et de fécondité.
En conclusion, cette double analyse
visuelle met en lumière un basculement potentiel de la
carte démographique mondiale au profit de l’Afrique
subsaharienne.
Ces projections incitent à réfléchir dès aujourd’hui aux
politiques à adopter pour transformer cette
croissance en levier de développement durable.
Dans cette partie, nous cherchons à comparer l’âge médian des populations entre 1950 et 2023. L’objectif est de visualiser le vieillissement démographique à l’échelle mondiale. Nous observons les différences entre les deux années à l’aide de cartes.
Ces visualisations permettent d’identifier les zones où le vieillissement est le plus marqué. On s’attend à une hausse de l’âge médian dans la majorité des pays. Ce vieillissement devrait être particulièrement visible en Europe, en Amérique du Nord et en Asie de l’Est.
En Europe, l’augmentation est nette. Dans de nombreux pays, l’âge médian a progressé de plus de 15 ans. Cela s’explique par la baisse de la natalité et l’allongement de l’espérance de vie. Cependant, certains pays comme la Suède montrent une hausse plus modérée. Par exemple, l’âge médian est passé de 33 ans à 39 ans seulement. Cela peut être dû à un équilibre démographique plus stable dès les années 1950.
En Amérique du Nord, les États-Unis et le Canada suivent une tendance similaire à celle de l’Europe.
En Asie, des pays comme le Japon et la Corée du Sud affichent une hausse très marquée, en lien avec leur transition démographique rapide.
En Afrique, on constate deux dynamiques différentes. Dans les pays d’Afrique du Nord, l’âge médian a aussi fortement progressé. En revanche, dans les pays du Sahel, l’évolution est bien plus lente, voire inexistante. Au Niger, l’âge médian est resté très bas : 13 ans en 1950, 15 ans en 2023. Certains pays comme le Tchad ou la République centrafricaine ont même vu leur âge médian baisser. C’est un signal fort qui pourrait s’expliquer par une croissance rapide de la population jeune, liée à une fécondité très élevée, des conflits, ou des conditions sanitaires difficiles.
Même constat en Afghanistan, où l’âge médian semble avoir diminué sur la période.
Nous avons émis l’hypothèse que l’espérance de vie à la naissance augmente de manière continue à l’échelle mondiale depuis 1950. Cette progression serait principalement due aux avancées médicales (vaccins, antibiotiques, chirurgie), à l’amélioration de l’hygiène, à la diminution de la mortalité infantile, à une meilleure nutrition, et plus largement, à la transition épidémiologique. Nous supposons également que cette croissance se poursuivra jusqu’en 2100, mais à un rythme ralenti, car les gains deviennent plus difficiles à mesure que l’on approche des limites biologiques humaines.
Pour confronter cette hypothèse à la réalité des données, nous avons sélectionné les projections issues du scénario moyen (Medium) fournies par la base World Population Prospects 2024 de l’ONU, couvrant l’évolution mondiale de l’espérance de vie de 1950 à 2100.
Le graphique obtenu confirme clairement notre hypothèse :
En 1950, l’espérance de vie mondiale à la naissance s’élevait à 47 ans. En 2023, elle atteint environ 73 ans, soit un gain impressionnant de 26 ans en un peu plus de 70 ans. D’ici 2100, les projections estiment qu’elle atteindra 82 ans, traduisant une hausse supplémentaire de 9 ans en 77 ans.
On distingue deux grandes phases dans cette évolution :
. Une croissance rapide entre 1950 et 2015, principalement portée par les pays en développement, grâce à la réduction de la mortalité infantile, à la généralisation des campagnes de vaccination, à l’accès élargi aux soins de santé primaires, et à l’amélioration des conditions de vie.
. Un ralentissement à partir de 2025, correspondant à un palier dans la majorité des régions du monde. Les gains deviennent plus difficiles à obtenir, car ils dépendent désormais de la prévention des maladies chroniques, de la prise en charge du vieillissement et des innovations médicales avancées.
On observe également un léger recul autour de 2020, probablement imputable à la pandémie de COVID-19, qui a temporairement fait baisser l’espérance de vie dans de nombreuses régions.
Cette visualisation met en évidence l’amélioration spectaculaire des conditions sanitaires et sociales au niveau mondial au cours des 70 dernières années, tout en rappelant que les défis futurs reposeront moins sur la survie de la petite enfance que sur le maintien d’une bonne santé à un âge avancé.
En résumé, les projections de l’ONU valident pleinement notre hypothèse initiale : L’espérance de vie à la naissance a connu une augmentation rapide depuis 1950, et devrait continuer à progresser jusqu’en 2100, bien que plus lentement.
Nous formulons l’hypothèse que les migrations internationales suivent
des patterns économiques et géopolitiques clairs.
Les pays développés à forte croissance économique (États-Unis,
Allemagne, pays du Golfe) devraient présenter des soldes migratoires
positifs élevés, attirant une main-d’œuvre qualifiée et des populations
en quête de meilleures opportunités.
À l’inverse, les pays en développement ou en situation de crise
(conflits, instabilité économique) devraient afficher des soldes
négatifs importants, traduisant une émigration nette de leur
population.
Nous nous attendons également à observer l’impact des politiques
migratoires et des événements géopolitiques sur ces flux.
Le graphique révèle des patterns migratoires cohérents avec nos
hypothèses de départ.
Pays à forte immigration nette : Les États-Unis dominent largement avec un solde positif dépassant les autres pays, confirmant leur statut de principale destination migratoire mondiale. L’Allemagne, le Royaume-Uni et les pays du Golfe (Émirats Arabes Unis, Arabie Saoudite) figurent également parmi les destinations privilégiées, reflétant leur attractivité économique et leurs besoins en main-d’œuvre.
Pays à forte émigration nette : Les résultats mettent en évidence des pays confrontés à des défis économiques, politiques ou démographiques majeurs. La présence de pays comme la Syrie ou l’Afghanistan illustre l’impact des conflits armés sur les flux migratoires, tandis que d’autres pays reflètent des dynamiques économiques poussant leur population à émigrer.
Cette analyse souligne le rôle central des inégalités de développement, des politiques migratoires et des événements géopolitiques dans la structuration des flux migratoires internationaux sur les deux dernières décennies.
Nous formulons l’hypothèse qu’il existe une corrélation positive forte entre le taux de mortalité infantile et le taux de fécondité total. Cette hypothèse s’appuie sur la théorie de la transition démographique : dans les sociétés où la mortalité infantile est élevée, les familles tendent à avoir plus d’enfants pour compenser les risques de décès prématurés et assurer leur descendance. À l’inverse, dans les pays développés où la mortalité infantile est faible, les familles peuvent se permettre d’avoir moins d’enfants tout en étant assurées de leur survie. Cette relation pourrait également refléter des facteurs socio-économiques communs : accès limité aux soins de santé, éducation, planning familial, et conditions de vie précaires.
## Pays avec TFR le plus élevé:
## # A tibble: 5 × 3
## Location TFR IMR
## <chr> <dbl> <dbl>
## 1 Somalia 6.13 66.3
## 2 Chad 6.12 64.2
## 3 Niger 6.06 64.6
## 4 Democratic Republic of the Congo 6.05 49.3
## 5 Central African Republic 6.01 68.5
##
## Pays avec IMR le plus élevé:
## # A tibble: 5 × 3
## Location IMR TFR
## <chr> <dbl> <dbl>
## 1 Sierra Leone 71.6 3.79
## 2 Nigeria 69.5 4.48
## 3 Central African Republic 68.5 6.01
## 4 Somalia 66.3 6.13
## 5 Guinea 65.4 4.22
##
## Coefficient de corrélation de Pearson: 0.8672
##
## Nombre de pays analysés: 536
Le graphique met en évidence une forte corrélation positive entre le taux de mortalité infantile et le taux de fécondité total en 2023, avec un coefficient de corrélation de r = 0,867. Cela signifie que, de manière générale, plus la mortalité infantile est élevée dans un pays, plus les femmes ont tendance à avoir un nombre élevé d’enfants. Cette relation s’explique notamment par des facteurs socio-économiques : dans les pays où la mortalité infantile reste importante, les familles ont souvent davantage d’enfants pour compenser les pertes potentielles, en l’absence de systèmes de santé ou de protection sociale efficaces. À l’inverse, dans les pays développés où la mortalité infantile est très faible, le taux de fécondité tend également à diminuer en raison de la sécurité sanitaire, de l’accès à l’éducation, et d’autres facteurs liés à la transition démographique. Le graphique reflète donc un schéma global bien connu dans les dynamiques de développement.
Ce projet d’analyse des données des “World Population Prospects” de l’ONU nous a offert une plongée dans les dynamiques démographiques mondiales actuelles. À travers l’exploration de ce riche jeu de données, nous avons pu identifier plusieurs tendances majeures :
La grande transition démographique se confirme avec des trajectoires divergentes : vieillissement accéléré des sociétés occidentales et asiatiques contrastant avec la jeunesse persistante de l’Afrique subsaharienne. L’âge médian mondial a augmenté de 10 ans depuis 1950, passant de 24 à 34 ans, avec des écarts allant de 15 ans au Niger à 48 ans au Japon.
La corrélation entre développement et démographie apparaît systématiquement : les pays à forte mortalité infantile (>50‰) maintiennent une fécondité élevée (TFR >4), tandis que les sociétés développées connaissent un effondrement de la natalité sous le seuil de renouvellement (1,5 enfants/femme en Europe).
Le basculement démographique à venir est spectaculaire : d’ici 2100, 7 des 10 plus fortes croissances démographiques seront africaines, avec la RDC en tête (+325 millions d’habitants). À l’inverse, près de 50 pays perdront plus de 15% de leur population.
Difficultés rencontrées :
L’hétérogénéité des sources historiques, particulièrement pour les pays
en conflit, introduit des incertitudes. La projection des scénarios à
l’horizon 2100 reste spéculative, vulnérable aux ruptures (pandémies,
conflits, innovations). Le traitement des migrations internationales
s’est révélé particulièrement complexe en raison des définitions
variables entre pays et des 3 scénarios.
Pistes d’approfondissement :
- Analyser l’impact du changement climatique sur les migrations et la
sécurité alimentaire
- Étudier le lien entre économique et démographie
- Explorer les données de fécondité désagrégées par niveau
d’éducation
Ce travail confirme que la démographie n’est pas une fatalité ni une théorie sans faille et applicable pout tous mais le produit de choix politiques, économiques et sociaux des différents pays et régions.
Robin : Ce projet m’a permis de comprendre et faire des dashboards interactifs avec Tableau pour visualiser des dynamiques démographiques complexes. Il aurait pu être intéressant d’avoir des découpages géographiques plus intéressants/ plus fins de la part de l’ONU dans la nomenclature des unités territoriales statistiques (NUTS).
Othmane :Le jeu de données m’a permis de mieux comprendre des notions dont on entend souvent parler comme la fécondité, l’immigration ou le vieillissement démographique mais que je n’avais jamais vraiment explorées en profondeur. Sur le plan technique, travailler avec R m’a permis d’approfondir mes compétences, notamment dans la manipulation de données, la visualisation et le développement d’applications interactives avec Shiny. Grâce au cours, je ne me contente plus de représenter les données en graphiques : j’essaie désormais d’en extraire des lectures plus fines, d’interroger les corrélations et de formuler des hypothèses solides.
Nicolas : Ce projet m’a permis de consolider mes compétences en R et j’ai également acquis une meilleure compréhension des enjeux démographiques mondiaux, en apprenant à croiser différents indicateurs pour en extraire des tendances pertinentes.
Zakaria :
Pour la réalisation de ce projet, nous nous sommes réparties les taches de la manière suivante :
Tous les membres du groupe ont travaillé conjointement sur la rédaction de la proposition Read.Me.
En ce qui concerne la partie exploration nous nous sommes répartis les questions de la manière suivante :
Robin : 1. Comment le taux de
fécondité total (TFR) a-t-il évolué entre 1950 et 2023 dans les cinq
continents ?Othmane : 2. Quels sont les 10 pays
ayant connu les plus fortes croissances et décroissances démographiques
entre 1950 et 2023 ?Nicolas : 4. Quels sont les 10 pays
avec les taux de mortalité infantile les plus faibles et les plus élevés
en moyenne entre 2000 et 2023 ?Zakaria : 5. Quels sont les 10 pays
représentant la plus forte part de la population mondiale en 2023
?
1. Comment le taux de fécondité total (TFR) a-t-il évolué entre 1950 et 2023 dans les cinq continents ?
Nous supposons que le TFR a globalement diminué sur tous les continents depuis 1950 avec des disparités régionales marquées (ex : déclin plus rapide en Europe qu’en Afrique). Le taux de fécondité total est le nombre d’enfant vivant à la naissance par femme. On ne compte pas ici l’indice de survie des enfants. Nous respecterons la division en continent de l’Amérique en quatre entités (South America, Central America, the Caribbean, and Northern America) faite par l’ONU dans ce dataset.
La baisse globale du TFR, passant de 4,7 en 1950 à 2,3 en 2023, dissimule des réalités hétérogènes en fonction du continent.
La transition démographique explique le basculement historique des sociétés : d’un régime démographique ancestral (forte natalité compensant une mortalité infantile élevée) vers un modèle moderne (faible mortalité et natalité maîtrisée). Ce processus en quatre phases : 1. Équilibre précaire (TFR>6) 2. Chute de la mortalité (explosion démographique) 3. Baisse différée de la natalité (TFR vers 2,1) 4. Nouvel équilibre à bas niveau (vieillissement) – éclaire les écarts continentaux observés Bien sûr ,les politiques coercitives (politique nataliste) ou les chocs historiques (famines) accélèrent artificiellement les phases. Certaines régions (Afrique subsaharienne) connaissent un blocage en phase 2 par manque d’éducation féminine. Les sociétés post-industrielles (Corée du Sud, Italie) entrent dans une phase 5 non théorisée et inédite, une dépopulation structurelle et continue même en présence de politique.
En Afrique, le TFR a connu un déclin relatif mais inachevé, diminuant de 6,7 à 4,3 sur 73 ans. Cette transition lente peut s’expliquer par la persistance de normes pro-natalistes, par un accès limité à la contraception, la baisse faible de la mortalité infantile, divisée par quatre depuis 1950 qui n’a pas encore entraîné un ajustement proportionnel des comportements reproductifs (la seconde phase de la transition démographique). Le continent est bloqué en phase 2 (mortalité infantile en baisse sans adaptation de la natalité). L’absence de chute brutale du TFR retarde l’entrée en phase 3, risquant un “dividende démographique manqué” si la croissance économique ne suit pas la jeunesse de la population – illustrant le blocage critique du modèle en Afrique subsaharienne.
En Europe, le TFR a continuellement baissé dès les années 1970 pour atteindre 1,5 en 2023. L’Europe est sous le seuil de renouvellement depuis 1975, sans immigration la population aurait largement diminué. Le continent a achevé sa phase 4 (équilibre basse natalité/basse mortalité). Son enjeu est désormais la “détransition démographique” : incapacité structurelle à remonter le TFR au seuil de renouvellement, accélérant le vieillissement et la dépendance à l’immigration. Le maintient de la population est le chalenge signature de la phase 5 des sociétés post-industrielles oocidentale.
On peut voir des données intéressantes des années 1950 à 1975. Si l’Amérique du Sud a une baisse continue et linéaire, l’Asie connaît des rebonds et de fortes baisses. En effet, l’année 1961, celle de la plus grande baisse, peut être corrélée avec la Grande famine chinoise (1959-1961). Mais sous cette moyenne se cache de grande disparité : dans six pays (Chine, Corée du Nord, Corée du Sud, Japon, Singapour, Thaïlande), la transition de la fécondité est largement achevée avec un nombre moyen d’enfants par femme qui est désormais inférieur au seuil de remplacement des génération. Le Japon, Singapour et la Corée du Sud se caractérisent même par des niveaux de fécondité parmi les plus bas au monde, inférieurs à 1,4 enfant par femme (faisant d’eux des ‘lowest-low’ fertility countries). La Chine, grâce à sa politique coercitive de l’enfant unique, a évité 400 millions de naissances, mais au prix d’un déséquilibre de genre historique. L’Inde, via des campagnes volontaristes comme “Us two, our two” (un couple, deux enfants), a réduit son TFR de 5,7 à 2,0. La région vit une phase 3 accélérée et traumatique (politiques coercitives) avec entrée prématurée en phase 4 (Japon, Corée du Sud). Les chocs historiques (famines) ont perturbé la baisse naturelle de la fécondité, créant des déséquilibres durables. La Corée du Sud (TFR 0,72) incarne désormais la phase 5 la plus avancée.
L’Océanie, avec un TFR moyen de 2,1, cache des fractures invisibles. L’Australie et la Nouvelle-Zélande (1,6) contrastent avec la Mélanésie, où la Papouasie-Nouvelle-Guinée maintient un TFR de 3,2. Dualité de phase : Australie/NZ en phase 4 (vieillissement avancé), Mélanésie en fin de phase 2 (mortalité infantile en baisse mais natalité résiliente).
Du côté des Amériques, deux schémas sont présents. L’Amérique du Nord (Northen America ou Amérique septentrionale) composé des États-Unis, du Canada ainsi que des Bermudes (Royaume-Uni), du Groenland (Danemark) et de Saint-Pierre-et-Miquelon (France), suit une courbe très proche de celle de l’Europe. Le reste des Amériques; centrale, du sud et les Caraïbes ; suivent une trajectoire similaire à l’Asie avec une baisse qui les emmène tous en dessous du seuil de renouvellement. Amérique du Nord : Transition achevée en phase 4 (profil européen), compensée par l’immigration. Amérique latine/Caraïbes : Phase 3 la plus rapide de l’histoire (urbanisation + planning familial), mais risque de “vieillissement sans prospérité” – défi typique des phases accélérées sans consolidation économique dans le temps.